诊疗本体自动构建方法与过程驱动的本体进化机制研究

诊疗数据集成是医疗领域信息化管理中的关键问题之一。诊疗数据的语义异构性使得诊疗数据难以通过简单映射实现集成。本体模型是解决语义异构的诊疗数据集成的有效途径，但当前本体模型在应用中存在着本体创建复杂、本体维护困难、基于本体的诊疗数据的分析和应用方法不完善的问题。针对这些问题，本课题首先研究本体模型自动映射、本体融合、领域本体调整方法，结合关系演算与描述逻辑，提出关系模型到诊疗本体的自动构建方法。其次，分析诊疗本体的应用环境，对诊疗本体进化的驱动力、变化的传播过程进行研究，提出标准诊疗流程驱动的，本体增量实例、标准诊疗流程与本体概念网络相互影响的迭代式的本体进化方法。在此基础上，研究居民健康档案语义查询和基于本体的诊疗数据多维建模方法，对诊疗数据资源进行应用分析。本课题对本体构建、本体进化以及异构数据集成的研究有理论意义,对医疗机构改善疾病诊治质量、医疗管理部门提高管理效率有应用价值。

随着各医疗机构中诊疗数据的积累，大量的异构电子病例数据由于缺乏语义描述，导致其很难通过简单映射实现集成。诊疗领域本体是解决诊疗数据异构集成问题的主要途径。但是，由于医疗过程复杂性与跨学科性，导致诊疗本体的构建与维护效率低下。.本课题针对诊疗本体应用中存在的创建复杂、维护困难、应用方法简单问题，研究关系模型到局部本体模型的自动映射过程、融合与进化方法；对基于诊疗本体的诊疗数据多维分析和语义集成方法进行了应用分析。.本课题主要研究成果如下：.（1）研究并提出了一种基于图的本体半自动化构建方法，包括语义信息的发现和本体映射两部分。利用M-Graph提取关系数据模式中语义信息，进而构建关系数据模型到局部本体的映射规则，将关系数据模型中的关系、属性和约束映射到本体网络中的概念、属性和约束。 .（2）研究并设计了语义相似度、属性集相似度和结构相似度计算方法，进行相似概念合并。设计在实例层和概念层之间交替进行的本体融合方法，利用相似实例发现其所属概念的语义关系，将概念层的属性语义挖掘结果反馈到实例层，优化本体融合效果。.（3）研究并提出领域规则及实例驱动的本体概念进化方法。利用SWRL(Semantic Web Rule Language)将标准诊疗流程细化，完善本体约束。研究并设计了实例驱动的本体概念融合、本体概念特化、本体概念泛化三种本体进化模式与驱动算法。.（4）研究并提出一套基于本体的诊疗数据语义集成框架，将诊疗数据以REST资源服务的形式发布到网络环境中，建立基于语义、面向资源的诊疗数据无处不在组合与访问模式；以紧急医疗决策为应用案例，验证了诊疗数据资源云存储与无处不在访问模式的可行性。.（5）对诊疗数据仓库建模方法进行了研究。提出了混合驱动数据仓库建模方法，从由数据库生成的本体出发，分析事实和维度概念间的多重关系，生成数据仓库事实、维度候选集；结合标准诊疗流程，进行多维模型细化。.（6）将基于本体的数据分析方法推广到制造领域。研究了多本体协同构建方法，利用本体构建数据元模型进行产品数据追踪，为医疗领域异构数据集成提供借鉴。.课题提出并设计的本体映射、基于实例的本体进化、异构诊疗数据语义集成方法为合理构建个人健康档案、有效支持诊疗决策过程提供了方法基础。